对于手机一族，人脸特效的工具应该玩过不少。比如曾经火极一时的“吗咿呀嘿”，比如将影视剧中的明星脸替换成自己的，亦或是将静态人脸照片变成动态短视频。

        然而这些应用在爆火的同时，都不免引发质疑的声音：在人脸识别应用越来越普及的当下，使用换脸应用有安全隐患吗?今天就对此来谈一谈为防范假脸攻击而发展出的技术——活体检测。

        什么是活体检测?

        简单来说，就是算法判断镜头捕捉到的人脸，究竟是真实人脸，还是伪造的人脸攻击。

        借助其他媒介呈现的人脸都可以定义为虚假的人脸，包括打印的纸质照片、电子产品的显示屏幕(照片&视频)、硅胶面具、立体3D人像等。无论是换脸还是照片活化，在人脸识别应用面前都是典型的伪造人脸攻击。

        活体检测技术能够抵御各种假脸的攻击，为人脸识别保驾护航。在人脸识别的完整链路中，通常需要先确认目标为真实人脸，之后才会进入识别环节。

        随着人脸识别的应用愈发广泛，技术安全性也愈发受到重视，尤其是无人值守的应用场景下，活体检测几乎是不可或缺的刚需功能。

        如果缺乏活体检测功能，或者活体检测相对初级，人脸识别设备就可能被打印出的人脸照片或者照片活化视频攻破。

        【主流检测方案及原理】

        目前主流的活体检测方案分为静默式和配合式两种。

        静默式活体检测无需用户进行额外动作，而是直接基于算法甄别纸张照片、屏幕成像、人脸面具等伪造人脸攻击。与配合式相比，静默式用户体验更好，速度更快，可在无感的情况下直接进行活体检测。

        配合式活体检测则需要用户根据提示做出相应的动作，通过眨眼、张嘴、摇头、点头等配合式组合动作，使用人脸关键点及人脸追踪技术，通过连续的图片，计算变化距离与不变距离的比值，进行上一帧图像与下一帧图像的对比，从而验证用户是否为真实活体本人操作。

        实际使用中，可根据具体场景选择方案。如闸机、门禁、验票等对检测速度要求更高的场景，一般推荐选用静默式活体。

        配合式活体检测技术出现较早，使用也较为普遍，但黑产从业者仍然处心积虑寻找攻破方式。开头提及的照片活化技术就是典型手段。

        2019年深圳曾出现过居民身份信息被冒用的案件：不法分子使用AI换脸技术，绕开多个社交服务平台或系统的人脸认证机制，为违法犯罪团伙提供虚假注册、刷脸支付等黑产服务。

        警方破案后，发现嫌疑人主要是通过“人脸照片活化”软件，利用人脸关键点定位技术，在非法获取公民照片后生成眨眨眼、张张嘴、点点头等动态视频，以欺骗人脸核验的活体检测。

        黑产猖獗，这也对活体检测算法提出更高要求。无论是配合式还是静默式，都可以配合RGB单目活体、IR双目红外活体、3D Depth三种技术路线使用，从而进一步提升防范能力。

        目前国内已有算法平台开放了人脸识别活体检测技术。譬如虹软视觉开放平台免费开放的ArcFace人脸识别SDK，同时支持RGB和IR红外活体检测。该算法不仅能实现高鲁棒性的判断，可供开发者满足各类场景需求，而且还支持完全免费、离线使用。

        虹软开放平台最新发布的ArcFace 4.0版本在算法性能上进一步增强，对于人脸检测、人脸识别、活体检测、人证核验等算法模型都进行了升级，提升了大面积遮挡及复杂光线下人脸检测能力，以及复杂光线场景下识别精度，同时新增多项人脸属性分析能力和图像质量检测功能，在开发和使用体验方面都上升了一个台阶。

        尤其在活体检测方面，ArcFace 4.0更新了RGB/IR活体模型，新增了在大面积遮挡下的可见光(RGB)、近红外(IR)活体检测能力。哪怕面对大面积遮挡下的人脸，算法也能通过分析采集摩尔纹、成像畸形、反射率等人像破绽来识别活体，或者基于红外图像天然滤除特定波段光线的特征，来抵御基于屏幕成像的假脸攻击。同时，在成本与性能上达到了较好的平衡。

《电鳗快报》